随着人工智能（ai）领域版权争议不断升级，尤其是在 anthropic 与版权持有方达成15亿美元和解协议之后，越来越多企业开始关注其训练数据的合法来源问题。目前，全球范围内有近40起涉及未经授权使用数据的诉讼正在推进，其中包括因 midjourney 生成超人图像而引发的法律纠纷。
在缺乏统一授权机制的情况下，AI 公司或将面临持续不断的版权诉讼风险，这对整个行业的可持续发展构成了严峻挑战。为应对这一困境，一批技术专家与网络内容出版商联手推出了一项名为 Real Simple Licensing（RSL）的新框架，致力于构建可扩展的数据授权体系。该系统已获得 Reddit、Quora 和 Yahoo 等主流平台的支持，但能否吸引核心 AI 实验室加入，仍有待观察。
RSL 联合创始人 Eckart Walther 表示，他们的愿景是建立一个适用于整个互联网的机器可读授权标准。“我们需要让每一份在线内容都能明确其是否允许用于 AI 训练，而 RSL 正是为了实现这一目标而设计的工具。”
尽管过去已有如数据提供者联盟等组织倡导更透明的数据采集规范，但 RSL 是首个尝试同时构建技术架构与法律支持体系的项目。从技术角度看，RSL 协议允许出版商在其网站中定义具体的内容使用条款——例如是否允许 AI 公司将其数据用于模型训练，以及是否需要单独授权或许可方式是否基于知识共享（Creative Commons）。这些信息将被嵌入网站的 “robots.txt” 文件中，便于 AI 开发者自动识别和遵守相关规则。
在法律结构上，RSL 团队设立了名为 RSL Collective 的集体管理组织，负责代表成员与 AI 企业协商授权条件并收取相应版税，运作模式类似于音乐领域的 ASCAP 或影视行业的 MPLC。截至目前，Yahoo、Reddit、Medium 等多家知名数字出版平台已确认加入该集体。
然而，如何准确追踪 AI 模型究竟使用了哪些数据来计算合理的版权费用，依然是一个难题。对于像谷歌 AI 搜索摘要这类实时抓取网页内容的服务，数据使用路径较为清晰；但对于那些未完整记录训练过程的大语言模型（LLM），要确认某一文本是否曾被纳入训练集则极为困难。
尽管如此，RSL 的推动者仍持乐观态度。“事实上，部分 AI 公司在以往的授权合作中已经具备报告数据使用情况的能力，因此这并非不可逾越的技术障碍，”另一位联合创始人 Doug Leeds 指出。“只要机制足够完善，就能确保创作者获得应有的回报。”
